[英]Optimizing parameter in odeint with the output of a neural network in TensorFlow
[英]TensorFlow: integrate output of neural network
我有一個神經網絡,它將兩個參數作為輸入:
t = tf.placeholder(tf.float32, [None, 1])
x = tf.placeholder(tf.float32, [None, 1])
在我的損失函數中,我需要將輸出整合到t
,但我無法弄清楚這樣做的方法,因為TensorFlow中唯一可用的數值積分函數tf.contrib.integrate.odeint_fixed
不能將Tensor作為函數,因為它不能被稱為:
t = tf.constant(np.linspace(0.0,1.0,100), dtype = tf.float64 )
integ = tf.contrib.integrate.odeint_fixed(model.output,
0.0,
t,
method = "rk4")
...
<ipython-input-5-c79e79b75391> in loss(model, t, x)
24 0.0,
25 t,
---> 26 method = "rk4")
...
TypeError: 'Tensor' object is not callable
更不用說我在這個計算中對如何處理x
也毫無頭緒,它應該是固定的。
tf.contrib.integrate.odeint_fixed
似乎用於積分常微分方程(ODE)。 但是,如果我理解正確,你想要近似模型輸出的定積分,我們稱之為y
,在t
采樣。
為此,您可以使用梯形規則 ,您可以在tensorflows AUC函數中找到可能的實現。 在您的情況下,它可能看起來像:
from tensorflow.python.ops import math_ops
def trapezoidal_integral_approx(t, y):
return math_ops.reduce_sum(
math_ops.multiply(t[:-1] - t[1:],
(y[:-1] + y[1:]) / 2.),
name='trapezoidal_integral_approx')
其中y
是模型的輸出。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.